مرز عملی Rust برای مشارکت‌های هوش مصنوعی؛ رویکردی فراتر از دوگانه ممنوع یا آزاد

در ۵ اوت ۲۰۲۶، پنج تیم از پروژه Rust سیاستی رسمی برای استفاده از مدل‌های زبانی بزرگ هنگام مشارکت در مخزن یکپارچه rust-lang/rust تصویب کردند. تمایز اصلی ساده است: استفاده از LLM برای پاسخ‌گویی، تحلیل، پالایش، بررسی، پیشنهاد یا بازبینی عموماً پذیرفتنی است؛ اما استفاده از آن برای «ایجاد» محتوای پروژه به‌شدت محدود شده است.

بنابراین این سیاست بیش از آنکه ممنوعیت هوش مصنوعی باشد، یک روند جدید برای مشارکت است. بازبین‌های Rust موظف نیستند خروجی صیقل‌خورده را نشانه فهم نویسنده از تغییر بدانند. در نتیجه، سیاست مسئولیت را به مشارکت‌کننده بازمی‌گرداند: متن تولیدشده عمومی باید افشا شود، نویسنده باید کد خود را بفهمد و شخصاً بازبینی کند، و بازبینی LLM نمی‌تواند جایگزین بازبینی انسانی شود.

برای توسعه‌دهندگان، مهم‌ترین مرز میان کمک خصوصی و خروجی مشترک پروژه است. مشارکت‌کننده می‌تواند به‌صورت خصوصی از LLM برای بررسی یک API، تحلیل یک RFC یا بهبود پیش‌نویس استفاده کند، مشروط بر اینکه خروجی هرگز به چیزی تبدیل نشود که دیگران انتظار خواندنش را داشته باشند. اما وقتی متن تولیدشده در یک issue، pull request، سند یا نظر منتشر می‌شود، قواعد افشا و نظارت سیاست اعمال می‌شوند. ترجمه ماشینی، کشف باگ با کمک LLM و بازبینی کار شخص دیگری با استفاده از LLM نیز در موارد مشخص‌شده نیازمند افشا هستند.

کد تولیدشده با معیار بالاتری سنجیده می‌شود. سیاست Rust Forge کد ایجادشده با LLM را فقط در قالب یک آزمایش مجاز می‌داند: تغییر باید از قبل با یک بازبین داوطلب هماهنگ شده باشد، غیرحیاتی، باکیفیت، کاملاً آزموده و به‌خوبی بازبینی‌شده باشد. مشارکت‌کنندگان جدید باید پیش از باز کردن pull request بازبین خود را پیدا کنند. این pull requestها همچنین باید برچسب llm-assisted داشته باشند و به کانال خصوصی‌ای هدایت می‌شوند که هدفش جمع‌آوری شواهد درباره سودمندی این آزمایش است.

مرز مربوط به soundness برای Rust اهمیت ویژه‌ای دارد. سیاست، تغییرات مرتبط با سامانه trait، ساخت MIR یا سامانه query را به‌دلیل احتمال آسیب به درستی کامپایلر، برای این آزمایش نامناسب می‌داند. حتی اعضای سازمان که از استثنای محدودی در قاعده «غیرحیاتی بودن» برخوردارند، به‌شدت از استفاده از کد تولیدشده در بخش‌های حساس به soundness منع نمی‌شوند، اما از آن دلسرد شده‌اند.

Rust یک ترمز اضطراری نیز اضافه کرده است. اگر بیش از نیمی از pull requestهای ادغام‌شده در یک بازه شش‌هفته‌ای با LLM ایجاد شده باشند، pull requestهای جدید از این نوع تا زمانی که سهم آن‌ها به زیر ۵۰ درصد برسد متوقف می‌شوند؛ این توقف حداقل ده روز ادامه دارد. به این ترتیب، نگرانی انتزاعی درباره ظرفیت بازبینی و وابستگی مشارکت‌کنندگان به یک محدودیت عملی قابل‌اندازه‌گیری تبدیل می‌شود.

درس کاربردی برای سازندگان Rust محدود اما مهم است: از AI برای بهتر کردن استدلال خود استفاده کنید، نه برای واگذاری کامل نویسندگی. اگر خروجی تولیدشده بخشی از مشارکت شما در rust-lang/rust شد، آن را افشا کنید، زودتر رضایت بازبین بگیرید، آزمون‌های جامع بنویسید و آماده باشید طراحی را بدون استناد به مدل توضیح دهید.

یک caveat ضروری درباره دامنه وجود دارد: این سیاست فقط بر مخزن rust-lang/rust و تیم‌های compiler، libs، types، rustdoc و bootstrap که آن را تصویب کرده‌اند اعمال می‌شود. این سیاست به‌طور خودکار بر همه مخزن‌های Rust، وابستگی‌های crates.io، پیشنهادهای تیم زبان یا بحث‌های edition حاکم نیست. بخش‌های دیگر اکوسیستم Rust می‌توانند قوانین خود را تعیین کنند.

این سیاست صراحتاً برای تکامل در پرتو شواهد جدید طراحی شده است. اهمیت فعلی آن رویه‌ای است: Rust در حال آزمایش این است که آیا کمک هوش مصنوعی می‌تواند در کنار مالکیت عمیق انسانی ادامه پیدا کند یا نه؛ و برای این کار، منشأ محتوا، رضایت بازبین و کیفیت آزمون را به بخشی از قرارداد مشارکت تبدیل کرده است.